CN111026867A - 客诉处理方法和装置、电子设备、存储介质 - Google Patents
客诉处理方法和装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111026867A CN111026867A CN201911187095.1A CN201911187095A CN111026867A CN 111026867 A CN111026867 A CN 111026867A CN 201911187095 A CN201911187095 A CN 201911187095A CN 111026867 A CN111026867 A CN 111026867A
- Authority
- CN
- China
- Prior art keywords
- target
- text data
- information
- feedback information
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 54
- 238000012549 training Methods 0.000 claims description 23
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 235000005911 diet Nutrition 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种客诉处理方法和装置、电子设备、存储介质，包括：接收当前用户针对业务服务发送的目标反馈信息，基于预设的规整模型确定目标反馈信息对应的目标文本数据，基于预设的标签模型确定目标文本数据对应的目标类别信息，对目标文本数据和目标类别信息进行显示，以便根据目标文本数据和目标类别信息对业务服务的服务策略进行调整，通过将规整模型与标签模型相结合，确定目标文本数据和目标类别信息，并将确定出的目标文本数据和目标类别信息进行显示，以便业务服务的工作人员进行适应调整，避免因人工识别造成的漏收集，且处理效率较低，且消耗的人力成本较高的问题，进而实现提高收集和处理的准确度和效率，节约人力成本的技术效果。
Description
技术领域
本公开涉及互联网技术领域，具体涉及数据处理技术领域，尤其涉及一种客诉处理方法和装置、电子设备、存储介质。
背景技术
随着互联网技术的发展，业务服务基于互联网的普及被各个领域发展成线上产业，如购物、出行和旅游，等等，而如何提高用户的消费体验，提高业务服务质量和效率等成了亟待解决的问题，而客诉处理是其中重要的环节。
在现有技术中，主要通过人工的方式对客诉进行收集并处理，如，由工作人员监控是否有收到用户对某业务服务的反馈信息，如果有，则针对用户的反馈信息进行答复，并将该反馈信息发送至相应的部门，由该部门的工作人员进行业务服务的改进和提升。
然而发明人在实现本公开的过程中，发现至少存在如下问题：通过人工方式对客诉进行收集并处理造成的人工成本偏高，且效率偏低的问题。
发明内容
本公开提供一种客诉处理方法和装置、电子设备、存储介质，用以解决现有技术中通过人工方式对客诉进行收集并处理造成的人工成本偏高，且效率偏低的问题。
一方面，本公开实施例提供一种客诉处理方法，所述方法包括：
接收当前用户针对业务服务发送的目标反馈信息；
基于预设的规整模型确定所述目标反馈信息对应的目标文本数据；
基于预设的标签模型确定所述目标文本数据对应的目标类别信息；
对所述目标文本数据和所述目标类别信息进行显示，以便根据所述目标文本数据和所述目标类别信息对所述业务服务的服务策略进行调整。
在一些实施例中，在所述基于预设的规整模型确定所述目标反馈信息对应的目标文本数据之前，所述方法还包括：
采集多个样本用户针对所述业务服务的历史反馈信息；
基于所述历史反馈信息进行模型训练，生成所述规整模型。
在一些实施例中，在所述基于预设的标签模型确定所述目标文本数据对应的目标类别信息之前，所述方法还包括：
基于所述规整模型确定所述历史反馈信息对应的样本文本数据；
基于所述样本文本数据进行训练，生成标签模型。
在一些实施例中，所述历史反馈信息包括：历史投诉信息、历史需求信息和历史建议信息；
以及，所述目标反馈信息包括：目标投诉信息、目标需求信息和目标建议信息中的至少一种。
另一方面，本公开实施例还提供了一种客诉处理装置，所述装置包括：
接收模块，用于接收当前用户针对业务服务发送的目标反馈信息；
第一确定模块，用于基于预设的规整模型确定所述目标反馈信息对应的目标文本数据；
第二确定模块，用于基于预设的标签模型确定所述目标文本数据对应的目标类别信息；
显示模块，用于对所述目标文本数据和所述目标类别信息进行显示，以便根据所述目标文本数据和所述目标类别信息对所述业务服务的服务策略进行调整。
在一些实施例中，所述装置包括：
第一训练模块，用于采集多个样本用户针对所述业务服务的历史反馈信息，并基于所述历史反馈信息进行模型训练，生成所述规整模型。
在一些实施例中，所述装置包括：
第二训练模块，用于基于所述规整模型确定所述历史反馈信息对应的样本文本数据，并基于所述样本文本数据进行训练，生成标签模型。
在一些实施例中，所述历史反馈信息包括：历史投诉信息、历史需求信息和历史建议信息；
以及，所述目标反馈信息包括：目标投诉信息、目标需求信息和目标建议信息中的至少一种。
另一个方面，本公开实施例还提供了一种电子设备，包括：存储器，处理器；
所述存储器用于存储所述处理器可执行指令的存储器；
其中，当执行所述存储器中的指令时，所述处理器被配置为实现如上任一实施例所述的方法。
另一个方面，本公开实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上任一实施例所述的方法。
本公开提供一种客诉处理方法和装置、电子设备、存储介质，包括：接收当前用户针对业务服务发送的目标反馈信息，基于预设的规整模型确定目标反馈信息对应的目标文本数据，基于预设的标签模型确定目标文本数据对应的目标类别信息，对目标文本数据和目标类别信息进行显示，以便根据目标文本数据和目标类别信息对业务服务的服务策略进行调整，通过将规整模型与标签模型相结合，确定当前用户的目标反馈信息的目标文本数据和目标类别信息，并将确定出的目标文本数据和目标类别信息进行显示，以便业务服务的工作人员进行适应调整，或者，基于目标文本数据和目标类别信息为业务服务的工作人员推送相关建议等，从而避免因人工识别造成的漏收集，且处理效率较低，且消耗的人力成本较高的问题，进而实现提高收集和处理的准确度和效率，且实现节约人力成本的技术效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本公开实施例的客诉处理方法的应用场景示意图；
图2为本公开实施例的客诉处理方法的流程示意图；
图3为本公开实施例的用户终端的显示界面的示意图；
图4为本公开另一实施例的用户终端的显示界面的示意图；
图5为本公开实施例的前端显示器的显示界面的示意图；
图6为本公开实施例的构建规整模型的方法的流程示意图；
图7为本公开实施例的构建标签模型的方法的流程示意图；
图8为本公开实施例的客诉处理装置的示意图；
图9为本公开另一实施例的客诉处理装置的示意图；
图10为本公开实施例的电子设备的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在现有技术中，主要通过人工的方式对客诉进行收集并处理，一方面，由于工作人员在收集和处理过程中容易受个人主观因素的影响，使得对用户的反馈信息的理解的准确度可能存在较大偏差；另一方面，由于工作人员体质等各方面因素，容易造成漏收集，且处理效率较低，且消耗的人力成本较高的问题。为了解决现有技术中因人工的方式对客诉进行收集并处理导致的上述问题，发明人经过创造性的劳动得到本公开实施的技术方案。在本公开实施例中，通过将规整模型与标签模型相结合，确定用户的反馈信息的真实意图和反馈信息的类别(某业务服务对应的至少某一个方面的服务)，并将确定出的真实意图和类别进行显示，以便业务服务的工作人员进行适应调整，或者，基于真实意图和类别为业务服务的工作人员推送相关建议等，从而避免因人工识别造成的漏收集，且处理效率较低，且消耗的人力成本较高的问题，进而实现提高收集和处理的准确度和效率，且实现节约人力成本的技术效果。
本公开实施例提供的客诉处理方法，可以适用于如图1所示的场景。
在如图1所示的应用场景中，用户100通过用户终端200下载了滴滴打车的应用程序，并通过该应用程序向该应用程序的服务器300发送了用于乘车从A地到达B地的请求。
服务器300为用户100分配了车辆400，并将车辆400的位置信息等发送至用户终端200，以便由车辆400将用户100从A地送达B地。
但是，车辆400的司机(图中未示出)在行驶过程中遇到了熟人，因聊天耽误了十分钟。
用户100通过用户终端200向服务器300发送了投诉信息“原本二十分钟的车程，被延长到三十分钟，被浪费了这么长时间，差点没赶上会议……”。
服务器300接收到用户100基于用户终端200发送的投诉信息时，调用预先存储的规整模型，基于规整模型确定投诉信息对应的文本数据。其中，规整模型是基于海量用户的历史反馈信息训练生成的，且该规整模型用于对投诉信息进行规整处理，得到规整后的文本数据“耽误用户时间”。
服务器300调用预先存储的标签模型，基于标签模型确定类别信息。其中，标签模型是在规整模型的基础上训练生成的，且该标签模型用于对规整后的文本数据进行打标签，得到类别信息“差评”。服务器300可将规整后的文本数据“耽误用户时间”和类别信息“差评”推送至显示装置500，以便由显示装置500进行显示。
在另一些实施例中，服务器300调用预先存储的标签模型，基于标签模型确定类别信息。其中，标签模型是在规整模型的基础上训练生成的，且该标签模型用于对规整后的文本数据进行打标签，得到类别信息“运输部门”。服务器300可将规整后的文本数据“耽误用户时间”和类别信息“运输部门”推送至显示装置500，以便由显示装置500进行显示。
值得说明地是，上述应用场景只是用于示范性地说明，而不能理解为对本公开实施例的客诉处理方法的应用场景的限定，如本公开实施例的客诉处理方法还可以应用于网购、旅游、饮食和导航等应用场景。
下面以具体地实施例对本公开的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
一个方面，本公开实施例提供了一种适用于上述应用场景的客诉处理方法。
请参阅图2，图2为本公开实施例的客诉处理方法的流程示意图。
如图2所示，该方法包括：
S101：接收当前用户针对业务服务发送的目标反馈信息。
其中，执行本公开实施例的客诉处理方法的主体可以为客诉处理装置，装置可以为终端和服务器等。如，客诉处理装置为如图1中所示的服务器。
其中，目标反馈信息包括但不限于目标投诉信息、目标需求信息和目标建议信息。
其中，业务服务包括但不限于网购业务服务、旅游业务服务、饮食业务服务和导航业务服务。
S102：基于预设的规整模型确定目标反馈信息对应的目标文本数据。
其中，规整模型是基于海量用户的历史反馈信息训练生成的，规整模型用于对目标反馈信息进行规整，并得到清楚简练的目标文本数据。
S103：基于预设的标签模型确定目标文本数据对应的目标类别信息。
其中，目标类别信息可以为目标文本数据对应的业务服务质量等级的信息，如好评和差评等；目标类别信息还可以为对目标文本数据对应的业务服务的部门的信息，如市场运营部门、运输部门和客服部门等。
S104：对目标文本数据和目标类别信息进行显示，以便根据目标文本数据和目标类别信息对业务服务的服务策略进行调整。
在一些实施例中，若客诉处理装置包括显示装置，则通过显示装置对目标文本数据和目标类别信息进行显示，以便业务服务的工作人员以及用户可以直观的获取服务品质的相关信息。
在另一些实施例中，若客诉处理装置不包括显示装置，如云端服务器，则可由云端服务器通过通信模块将目标文本数据和目标类别信息发送至与业务服务对应的显示装置，以便通过显示装置对目标文本数据和目标类别信息进行显示，从而使得业务服务的工作人员以及用户可以直观的获取服务品质的相关信息。
在本公开实施例中，通过将规整模型与标签模型相结合确定目标文本数据和目标类别信息，并将确定出的目标文本数据和目标类别信息进行显示，以便业务服务的工作人员进行适应调整，从而避免因人工识别造成的漏收集，且处理效率较低，且消耗的人力成本较高的问题，进而实现提高收集和处理的准确度和效率，且实现节约人力成本的技术效果。
现结合网购业务服务应用场景对本公开实施的客诉处理方法进行示范性地阐述。
在现有技术中，当前用户在收到网购产品后，可对网购产品对应的业务服务进行评价，即当前用户可通过用户终端向网购平台发送目标反馈信息，用户终端的显示界面可参阅图3。
如图3所示，当前用户可在“反馈信息输入框”内输入目标反馈信息，并可选择“好评、中评和差评”，并可对网购业务服务中的物流服务和服务态度等进行反馈。
网购平台的工作人员对目标反馈信息进行收集，进行分类，并发送至相应的部门。
而在本公开实施例中，当前用户可通过用户终端向网购平台发送目标反馈信息，具体界面可参阅图4。
如图4中的a所示，当前用户可在“反馈信息输入框”内输入目标反馈信息，如用户输入的目标反馈信息为如图4中的b所示的“下单前允诺四天之内可以送达，结果一个礼拜了还没有送到”。
网购平台调用规整模型，对目标反馈信息进行规整，得到规整后的目标文本数据“未及时送达”，并基于标签模型确定目标文本数据“未及时送达”的目标类别信息，得到目标类别信息“物流部门”，还可确定目标类别信息还包括“差评”。
网购平台将目标文本数据和目标类别信息推送至前端显示器，且购物平台可推送相应的服务策略，即改善服务质量的建议，物流部门的工作人员可以接收到推送的目标文本数据和目标类别信息，可参见图5，以便基于目标文本数据和目标类别信息调整服务策略。当然，当前用户和其他用户均可通过各自对应的用户终端查阅。
结合上述对比示例可知，一方面，本公开实施例通过结合规整模型和标签模型对目标反馈信息进行处理，可以避免现有技术中通过人工的方式进行采集并处理造成的人工处理成本偏高、效率偏低的问题；另一方面，避免了现有技术中用户需要对网购业务服务进行非常详细的评价，输入的信息量多，耽误用户的时间，因此，实现了提高反馈信息的处理效率，降低了人工成本，提高了信息处理的方便性和灵活性，且提高了用户的购物体验的技术效果。
值得说明的是，上述购物业务服务只是用于示范性地说明，而不能理解为对本公开实施例的客诉处理方法的应用场景的限定。
结合上述示例可知，在本公开实施例中，可基于预设的规整模型确定目标反馈信息对应的目标文本数据，现结合图6对构建规整模型的方法进行阐述，
其中，图6为本公开实施例的构建规整模型的方法的流程示意图，包括：
S11：采集多个样本用户针对业务服务的历史反馈信息。
其中，样本用户的数量可基于需求进行设定，相对而言，样本用户的数量越多，规整模型的精确度越高。且，历史反馈信息包括：历史投诉信息、历史需求信息和历史建议信息。
在一些实施例中，可选择最近半年内的样本用户对应的历史反馈信息，以确保历史反馈信息的时效性和可靠性。
S12：基于历史反馈信息进行模型训练，生成规整模型。
其中，可采用深度学习方法对历史反馈信息进行训练，如神经网络模型。
在一些实施例中，可每隔预设时间间隔对规整模型进行更新。
下面将结合饮食业务服务对构建规整模型进行详细阐述。
某餐饮企业的服务器从海量历史反馈信息中随机选取最近半年内的历史反馈信息，其中，历史反馈信息包括偏优质业务服务对应的历史反馈信息，还包括偏劣质业务服务对应的历史反馈信息，还包括中性(即偏一般)业务服务对应的历史反馈信息，以便通过充分考虑历史反馈信息的多样性和全面性训练得到精确度高的规整模型。
该餐饮企业的服务器根据深度学习方法对历史反馈信息进行训练，生成用于对反馈信息进行规整的规整模型，以便得到各反馈信息的规整后的文本数据。
其中，可基于需求选定规整后的文本数据的属性信息，如文本数据的格式等。
结合上述示例可知，在本公开实施例中，可基于预设的标签模型确定目标文本数据对应的目标类别信息，现结合图7对构建标签模型的方法进行阐述，
其中，图7为本公开实施例的构建标签模型的方法的流程示意图，包括：
S21：基于规整模型确定历史反馈信息对应的样本文本数据。
S22：基于样本文本数据进行训练，生成标签模型。
其中，可通过机器学习或深度学习等方法对样本文本数据进行训练，生成用于对文本数据进行贴标签的标签模型。
现结合上述餐饮业务服务对构建标签模型进行详细阐述。
餐饮企业的服务器在选取历史反馈信息后，并训练生成规整模型后，将历史反馈信息输入至规整模型，由规整模型输出历史反馈信息对应的样本文本数据。
餐饮企业的服务器选取深度学习的方法对样本文本数据进行训练，生成标签模型，标签模型用于对文本数据进行贴标签，以确定文本数据对应的类别信息，类别信息可以包括对菜品质量的服务评级，如“很好吃、偏咸和偏淡”，等等；类别信息还可以包括反馈信息针对的部门明细，如“食材不新鲜”对应的“采购部门”，又如“上菜速度慢”对应的“服务部门”，等等。
根据本公开实施例的另一个方面，本公开实施例还提供了一种客诉处理装置。
请参阅图8，图8为本公开实施例的客诉处理装置的示意图。
如图8所述，该客诉处理装置包括：
接收模块11，用于接收当前用户针对业务服务发送的目标反馈信息；
第一确定模块12，用于基于预设的规整模型确定所述目标反馈信息对应的目标文本数据；
第二确定模块13，用于基于预设的标签模型确定所述目标文本数据对应的目标类别信息；
显示模块14，用于对所述目标文本数据和所述目标类别信息进行显示，以便根据所述目标文本数据和所述目标类别信息对所述业务服务的服务策略进行调整。
在一些实施例中，结合图9可知，所述装置还包括：
第一训练模块15，用于采集多个样本用户针对所述业务服务的历史反馈信息，并基于所述历史反馈信息进行模型训练，生成所述规整模型。
在一些实施例中，结合图9可知，所述装置还包括：
第二训练模块16，用于基于所述规整模型确定所述历史反馈信息对应的样本文本数据，并基于所述样本文本数据进行训练，生成标签模型。
在一些实施例中，所述历史反馈信息包括：历史投诉信息、历史需求信息和历史建议信息；
以及，所述目标反馈信息包括：目标投诉信息、目标需求信息和目标建议信息中的至少一种。
根据本公开实施例的另一个方面，本公开实施例还提供了一种电子设备，包括：存储器，处理器；
存储器用于存储处理器可执行指令的存储器；
其中，当执行存储器中的指令时，处理器被配置为实现如上任一实施例所述的方法。
请参阅图10，图10为本公开实施例的电子设备的结构示意图。
如图10所示，该电子设备包括存储器和处理器，该电子设备还可以包括通信接口和总线，其中，处理器、通信接口和存储器通过总线连接；处理器用于执行存储器中存储的可执行模块，例如计算机程序。
其中，存储器可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。
其中，存储器用于存储程序，处理器在接收到执行指令后，执行程序，前述本公开实施例任一实施例揭示的方法可以应用于处理器中，或者由处理器实现。
处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
根据本公开实施例的另一个方面，本公开实施例还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上任一实施例所述的方法。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本公开实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
还应理解，在本公开各实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
以上，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种客诉处理方法，其特征在于，所述方法包括：
接收当前用户针对业务服务发送的目标反馈信息；
基于预设的规整模型确定所述目标反馈信息对应的目标文本数据；
基于预设的标签模型确定所述目标文本数据对应的目标类别信息；
对所述目标文本数据和所述目标类别信息进行显示，以便根据所述目标文本数据和所述目标类别信息对所述业务服务的服务策略进行调整。
2.根据权利要求1所述的方法，其特征在于，在所述基于预设的规整模型确定所述目标反馈信息对应的目标文本数据之前，所述方法还包括：
采集多个样本用户针对所述业务服务的历史反馈信息；
基于所述历史反馈信息进行模型训练，生成所述规整模型。
3.根据权利要求2所述的方法，其特征在于，在所述基于预设的标签模型确定所述目标文本数据对应的目标类别信息之前，所述方法还包括：
基于所述规整模型确定所述历史反馈信息对应的样本文本数据；
基于所述样本文本数据进行训练，生成标签模型。
4.根据权利要求2或3所述的方法，其特征在于，所述历史反馈信息包括：历史投诉信息、历史需求信息和历史建议信息；
以及，所述目标反馈信息包括：目标投诉信息、目标需求信息和目标建议信息中的至少一种。
5.一种客诉处理装置，其特征在于，所述装置包括：
接收模块，用于接收当前用户针对业务服务发送的目标反馈信息；
第一确定模块，用于基于预设的规整模型确定所述目标反馈信息对应的目标文本数据；
第二确定模块，用于基于预设的标签模型确定所述目标文本数据对应的目标类别信息；
显示模块，用于对所述目标文本数据和所述目标类别信息进行显示，以便根据所述目标文本数据和所述目标类别信息对所述业务服务的服务策略进行调整。
6.根据权利要求5所述的装置，其特征在于，所述装置包括：
第一训练模块，用于采集多个样本用户针对所述业务服务的历史反馈信息，并基于所述历史反馈信息进行模型训练，生成所述规整模型。
7.根据权利要求6所述的装置，其特征在于，所述装置包括：
第二训练模块，用于基于所述规整模型确定所述历史反馈信息对应的样本文本数据，并基于所述样本文本数据进行训练，生成标签模型。
8.根据权利要求6或7所述的装置，其特征在于，所述历史反馈信息包括：历史投诉信息、历史需求信息和历史建议信息；
以及，所述目标反馈信息包括：目标投诉信息、目标需求信息和目标建议信息中的至少一种。
9.一种电子设备，包括：存储器，处理器；
所述存储器用于存储所述处理器可执行指令的存储器；
其中，当执行所述存储器中的指令时，所述处理器被配置为实现如权利要求1至4中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911187095.1A CN111026867A (zh) | 2019-11-28 | 2019-11-28 | 客诉处理方法和装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911187095.1A CN111026867A (zh) | 2019-11-28 | 2019-11-28 | 客诉处理方法和装置、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111026867A true CN111026867A (zh) | 2020-04-17 |
Family
ID=70202731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911187095.1A Pending CN111026867A (zh) | 2019-11-28 | 2019-11-28 | 客诉处理方法和装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111026867A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915336A (zh) * | 2020-09-08 | 2020-11-10 | 北京嘀嘀无限科技发展有限公司 | 确定投诉消息的真实性的方法、装置、设备和存储介质 |
| CN112434501A (zh) * | 2020-10-23 | 2021-03-02 | 杭州未名信科科技有限公司 | 工单智能生成的方法、装置、电子设备及介质 |
| CN112445563A (zh) * | 2020-11-18 | 2021-03-05 | 深圳创维－Rgb电子有限公司 | 信息显示方法、系统、设备及存储介质 |
| CN113673839A (zh) * | 2021-07-30 | 2021-11-19 | 安徽商信政通信息技术股份有限公司 | 智能基层事件网格化自动派发方法和基层事件处理系统 |
| CN113762894A (zh) * | 2021-09-01 | 2021-12-07 | 西安京迅递供应链科技有限公司 | 数据处理方法、装置、电子设备和存储介质 |
| CN114692754A (zh) * | 2022-03-30 | 2022-07-01 | 北京百度网讯科技有限公司 | 反馈信息分类方法、装置、电子设备、存储介质及产品 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108763199A (zh) * | 2018-05-14 | 2018-11-06 | 浙江口碑网络技术有限公司 | 文本反馈信息的排查方法及装置 |
| CN109992653A (zh) * | 2019-03-27 | 2019-07-09 | 京东数字科技控股有限公司 | 信息处理方法和处理系统 |
| CN110379445A (zh) * | 2019-06-20 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 基于情绪分析的业务处理方法、装置、设备及存储介质 |
-
2019
- 2019-11-28 CN CN201911187095.1A patent/CN111026867A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108763199A (zh) * | 2018-05-14 | 2018-11-06 | 浙江口碑网络技术有限公司 | 文本反馈信息的排查方法及装置 |
| CN109992653A (zh) * | 2019-03-27 | 2019-07-09 | 京东数字科技控股有限公司 | 信息处理方法和处理系统 |
| CN110379445A (zh) * | 2019-06-20 | 2019-10-25 | 深圳壹账通智能科技有限公司 | 基于情绪分析的业务处理方法、装置、设备及存储介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915336A (zh) * | 2020-09-08 | 2020-11-10 | 北京嘀嘀无限科技发展有限公司 | 确定投诉消息的真实性的方法、装置、设备和存储介质 |
| CN111915336B (zh) * | 2020-09-08 | 2022-06-21 | 北京嘀嘀无限科技发展有限公司 | 确定投诉消息的真实性的方法、装置、设备和存储介质 |
| CN112434501A (zh) * | 2020-10-23 | 2021-03-02 | 杭州未名信科科技有限公司 | 工单智能生成的方法、装置、电子设备及介质 |
| CN112445563A (zh) * | 2020-11-18 | 2021-03-05 | 深圳创维－Rgb电子有限公司 | 信息显示方法、系统、设备及存储介质 |
| CN113673839A (zh) * | 2021-07-30 | 2021-11-19 | 安徽商信政通信息技术股份有限公司 | 智能基层事件网格化自动派发方法和基层事件处理系统 |
| CN113673839B (zh) * | 2021-07-30 | 2023-09-19 | 安徽商信政通信息技术股份有限公司 | 智能基层事件网格化自动派发方法和基层事件处理系统 |
| CN113762894A (zh) * | 2021-09-01 | 2021-12-07 | 西安京迅递供应链科技有限公司 | 数据处理方法、装置、电子设备和存储介质 |
| CN114692754A (zh) * | 2022-03-30 | 2022-07-01 | 北京百度网讯科技有限公司 | 反馈信息分类方法、装置、电子设备、存储介质及产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111026867A (zh) | 客诉处理方法和装置、电子设备、存储介质 | |
| US10219122B1 (en) | State-based electronic message management systems and controllers | |
| CN104156843A (zh) | 一种物流配送管理系统及其方法 | |
| US20150278962A1 (en) | Subset multi-objective optimization in a social network | |
| US20180047114A1 (en) | Synchronous Social Media Advertisement Using One or More Influencers | |
| US20220129949A1 (en) | Dynamic determination of localization source for web site content | |
| US20130179362A1 (en) | Freight Shipment Ordering System | |
| US20150235170A1 (en) | Agriculture distribution and management system | |
| US20140280617A1 (en) | Methods and Systems for Generating Social Media Messages | |
| CN110766509A (zh) | 服务订单处理、外卖订单推荐方法及装置 | |
| CN111107504A (zh) | 基于大数据的电商客户关怀短信推送方法 | |
| US20200349516A1 (en) | Compensation Management System and Method | |
| Lim et al. | IT-enabled information-intensive services | |
| US20160210638A1 (en) | Server and method for generating evaluation information of shop, and device for receiving evaluation information | |
| CN112418758A (zh) | 一种为货主智能推荐承运商的方法及系统 | |
| CN111652639B (zh) | 一种业务推荐方法及系统 | |
| US11093983B1 (en) | Systems and methods for backend fulfillment of a sales product | |
| CN111324612A (zh) | 订单信息的存储方法、系统、装置、设备及存储介质 | |
| US20170061468A1 (en) | Parallel member interaction estimation using onsite and offsite data | |
| US11861548B2 (en) | Distributed computing system that practically applies networked computing technology and machine-readable indicia to support traceability of products from providers to clients | |
| US20160189280A1 (en) | Modifying associations between vendors and regions of a venue | |
| CN110930103A (zh) | 服务单审核方法及系统、介质和计算机系统 | |
| CN110659960B (zh) | 变革管理服务产品自动生成方法、服务器及变革管理系统 | |
| KR20220051937A (ko) | 인플루언서를 활용한 광고 실행 결과의 분석 서비스 제공 방법 | |
| CN111324780A (zh) | 产品数据的存储方法、发送方法、装置及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |
|
| RJ01 | Rejection of invention patent application after publication |